论文笔记
文章平均质量分 94
论文笔记
huanghelouzi
研究兴趣:图神经网络和差分隐私。
公众号:图神经网络GNN
展开
-
Node-wise Localization of Graph Neural Networks(IJCAI 2021)论文笔记
基本信息:::infoURL:论文链接论文代码更多图神经网络和深度学习内容请移步:Abstract:::tipsGraph neural networks (GNNs) emerge as a powerful family of representation learning models on graphs. To derive node representations, they utilize a global model that recursively aggregates inf原创 2022-03-17 20:44:32 · 956 阅读 · 0 评论 -
TransNet: Translation-Based Network Representation Learning for Social Relation Extraction 笔记
更多图神经网络和深度学习内容请移步:基本信息论文链接论文代码Abstract:::tipsConventional network representation learning (NRL) models learn low-dimensional vertex representations by simply regarding each edge as a binary or continuous value. However, there exists rich semantic in原创 2022-03-15 17:15:57 · 1888 阅读 · 0 评论 -
Translating Embeddings for Modeling Multi-relational Data 笔记(基于Translation提出了TransE)
更多图神经网络和深度学习内容请移步:论文:Translating Embeddings for Modeling Multi-relational Data论文链接:https://proceedings.neurips.cc/paper/2013/file/1cecc7a77928ca8133fa24680a88d2f9-Paper.pdf摘要We consider the problem of embedding entities and relationships of multi-rela原创 2022-03-14 23:02:35 · 1696 阅读 · 0 评论 -
论文笔记-从图拓扑角度度量和消除图神经网络的过平滑问题
论文标题:Measuring and Relieving the Over-smoothing Problem for Graph NeuralNetworks from the Topological View论文链接:链接摘要图神经网络(GNNs)在许多基于图的任务中都取得了令人满意的性能。但是GNN存在过度平滑问题(在深层图神经网络中不同类别节点的表征不可区分)。本文对GNNs的过平滑问题进行了定量研究。首先,引入两个量化指标MAD和MADGap分别度量图节点表示的平滑性和过平滑性;其次证明了平原创 2021-03-28 11:12:40 · 2547 阅读 · 6 评论 -
论文笔记-When Do GNNs Work: 理解和改进邻域聚合
When Do GNNs Work: Understanding and Improving Neighborhood Aggregation (IJCAI-20)原创 2021-04-15 17:06:25 · 3945 阅读 · 2 评论 -
论文笔记-DIRECT MULTI-HOP ATTENTION BASED GRAPH NEURAL NETWORKS
论文标题:DIRECT MULTI-HOP ATTENTION BASED GRAPH NEURAL NETWORKS论文链接:摘要在图神经网络(GNN)中引入自注意力机制(self-attention)可以实现图表示学习的最先进(state-of-the-ar)性能。 然而自注意力机制仅在两个相互连接的节点之间进行计算,且图表示仅取决于两个相互连接节点。自注意力机制缺点为: 这种注意力计算不能考虑提供了图结构上下文信息的多跳邻居(跳数大于等于2的邻居)对节点表示学习的影响。 这篇论文提出了用于图原创 2021-04-08 12:21:35 · 2529 阅读 · 3 评论 -
论文笔记-Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning
论文题目:Deeper Insights into Graph Convolutional Networks for Semi-Supervised Learning(AAAI 2018)论文链接:arxiv摘要GCN在卷积层中很好地聚合了局部结点特征和图拓扑结构信息,但它的机制并不清楚(类似一个黑匣子),它仍然需要大量的标记数据来验证和选择模型。在本文中,我们对GCN模型进行了深入的研究,并指出了它的基本的局限性。首先,我们 ** 证明了GCN模型的图卷积实际上是拉普拉斯平滑的一种特殊形式,这是G原创 2021-04-13 11:41:14 · 1690 阅读 · 6 评论 -
论文笔记-理解和解决图卷积网络的性能退化问题
理解和解决图卷积网络的性能退化问题摘要简介理解和解决图卷积网络的性能退化问题图卷积网络的性能退化问题解决图卷积网络的性能退化问题-缓解方差膨胀技术论文标题:Understanding and Resolving Performance Degradation in Graph Convolutional Networks论文链接:arxiv代码链接:github摘要图卷积网络(GCN)由数层神经网络堆叠而成,在每层中执行传播操作(PROP,PROPagation)和变换操作(TRAN,TRANsf原创 2021-03-31 22:39:09 · 1593 阅读 · 2 评论 -
[论文笔记] 身份感知图神经网络ID-GNN
文章目录Information摘要引言GNN的缺点研究现状本文方案贡献相关工作超越1-WL测试表达能力的图神经网络带归纳着色的图神经网络anisotropic消息传递的GNNs相关定义身份感知图神经网络ID-GNN归纳身份标记(着色)异构消息传递算法复杂性ID-GNNs 表达能力的理论研究ID-GNN比现有的GNNs更具表现能力ID-GNNs可对循环计数ID-GNNs表达能力的案例研究节点级任务:预测聚类系数边级任务:预测可达性或最短路径距离。图级:区分随机d-正则图。Information论文:Ide原创 2021-05-27 11:04:19 · 1424 阅读 · 10 评论